基于筆形相似的文本校對算法及其接口原型系統(tǒng)的研究.pdf

1、中文文本自動校對，屬于自然語言處理的應用基礎研究范疇，其目的是要實現(xiàn)一個能達到一定校對目標的人機交互式計算機輔助校對系統(tǒng)。自上世紀90年代以來，出版業(yè)電子化迅猛發(fā)展、辦公及日常文檔處理的數(shù)字化迅速普及，這就要求人們在短時間內(nèi)處理大量的電子文檔，而處理過程中難免出現(xiàn)錯誤。因此電子文檔的校對任務越來越重，中文文本自動校對成為一項亟待解決的研究課題。 近年來不少研究者已經(jīng)在文本自動分詞、上下文依存分析、文本語義分析、查錯糾錯模型的構建

2、等方面做了不少研究，但由于漢語理論研究的局限性和漢語言本身的特點，現(xiàn)有系統(tǒng)的整體性能離實際需求還有相當大的差距。 不同的輸入途徑造成文本的錯誤也是不同的。拼音輸入、語音輸入導致了發(fā)音近似錯誤的發(fā)生，而筆型輸入、OCR技術則導致了外形相近或相似錯誤的發(fā)生。 近年來，OCR技術日漸成熟，目前的OCR識別系統(tǒng)對印刷體文本的正確識別率理論值可達97％左右。隨著識別正確率的提高，人們對OCR識別軟件的使用頻率會越來越高，然而在實際

3、識別中由于漢字字形變化劇烈，待識別文本圖像噪聲干擾嚴重等因素，漢字識別的正確率會有所降低。而OCR識別導致的主要錯誤就是形近或者形似錯誤，因此，如何對該類錯誤進行文本自動校對是一個必須解決的問題。 本文在調(diào)研了國內(nèi)外相關的自動校對研究之后，結合漢語的實際情況，充分分析了人在識別漢字形似字的常規(guī)思路，提出了基于筆形相似的文本校對算法。算法執(zhí)行過程就是對人識別形似字過程的模擬：當系統(tǒng)根據(jù)用戶當前操作判定該處文本可能錯誤時，系統(tǒng)即啟動